3. Đối tượng và phạm vi nghiên cứu
2.3.2.2Ma trận xoay các nhân tố
Phương pháp phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal Component Analysis) với giá trị trích Eigenvalue nhỏ hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ trong mô hình phân tích.
Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax proceduce, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0.5 ra khỏi mô hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Kết quả ta có bảng hệ số tải nhân tố tương ứng với các quan sát như sau:
Bảng 16: Phương pháp xoay nhân tố Varimax proceduce
Ma trận xoay nhân tố
1 2 3
Mobifone là nhà cung cấp có uy tín 0.734 Thiệt thòi trong các chương trình chiết khấu giá 0.722 Nhiều bất tiện khi thay đổi số liên lạc 0.725
Tốn chi phí hòa mạng mới 0.701
Thiệt thòi trong các chương trình tặng thưởng 0.757 Bạn bè người thân đa số dùng mạng mobifone 0.723 Khó khăn trong nghiên cứu dịch vụ mới 0.719
Nhân viên có thái độ thân thiện khi đáp ứng yêu 0.585 cầu khách hàng
Dễ dàng kêt nối với tổng đài 0.907
Nhân viên tổng đài giải đáp ngắn gọn dễ hiểu 0.823
Có nhiều điểm hổ trợ khách hàng 0.817
Thời gian khắc phục sự cố nhanh chóng 0.825
Thủ tục cắt, mở, chuyển đổi sim tiện nhanh chóng 0.814
Eigenvalues 4.542 2.082 1.314
Phương sai trích % 34.937 50.953 61.058
Sau khi xoay nhân các nhân tố lần thứ nhất, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ. Bảng kết quả phân tích cho thấy có tất cả 13 quan sát tạo ra 3 nhân tố có giá trị Eigenvalues lớn hơn 1. Ta cũng thấy với 3 nhân tố này sẽ giải thích được 61,058% biến thiên của dữ liệu. Tỷ lệ này là tương đối cao trong phân tích nhân tố. Tuy nhiên, tại quan sát “Nhân viên có thái độ thân thiện khi đáp ứng yêu cầu khách hàng” có hệ số tải nhân tố khá thấp 0.585 tuy nhiên cũng không ảnh hưởng đến kết quả nghiên cứu vì hệ số tải lớn hơn mức tối thiểu 0,5.
2.3.3.3. Kết quả thang đo nhân tố trung thành khách hàng.
Để đảm bảo độ tin cậy và độ kết dính của các nhân tố trung thành dịch vụ Mobifone chúng ta đã đưa ra ở phần cơ sở lý thuyết, chúng ta cũng sẽ phải tiến hành phân tích nhân tố đối với các nhân tố của trung thành dịch vụ mobifone. Kết quả thu được như sau:
+ Hệ số KMO = 0,5 nhỏ hơn tiêu chuẩn lớn hơn 0.5, nhưng tiệm cận mức phù hợp nên được xem xét là tạm chấp nhận được .
+ Kết quả kiểm định Bartlett’s Test of Sphericity có Sig. = 0, sử dụng phân tích nhân tố là phù hợp.
+ Tiêu chuẩn Eigenvalues > 1 đã có 1 nhân tố được tạo ra. + Tổng phương sai trích bằng 75,215% > 50% , thỏa yêu cầu. + Tất cả các biến đều có hệ số tải nhân tố > 0,5
Bảng 17: Ma trận nhân tố trung thành Ma trận nhân tố
Nhân tố 1
Trung thành vì chất lượng dịch vụ tốt 0.867 Trung thành vì rào cản chuyển đổi lớn 0.867
Eigenvalues 1,504
Cumulative % 75,215
Kết quả phân tích nhân tố đối với thang đo này cho chúng ta thấy các biến có độ kết dính và cùng phản ánh một phạm trù, đó là trung thành với nhà cung cấp Mobifone. Thang đo các biến này thỏa mãn yêu cầu phân tích nhân tố và có hệ số Cronbach Alpha bằng 0,669 thỏa mãn điều kiện nên thang đo các nhân tố này đáng tin cậy và được sử dụng trong phân tích tiếp theo.
2.3.2.4. Đặt tên và giải thích nhân tố Nhân tố trung thành dịch vụ Nhân tố trung thành dịch vụ
Căn cứ vào kết quả ma trận nhân tố sau khi xoay ta có 3 nhân tố sau:
Nhân tố 1: Bao gồm các biến: thiệt thòi trong các chương trình tặng thưởng cho khách hàng kết nối dài lâu, tốn chi phí hoà mạng thuê bao của nhà cung cấp mới, khó khăn khi phải nghiên cứu dịch vụ nhà mạng mới, thiệt thòi quyền lợi trong các chương trình chiết khấu giá cước, mobifone là nhà mạng cung cấp có uy tín, bạn bè người thân đa số dùng mạng mobifone, nhiều bất tiện khi thay đổi số điện thoại. (adsbygoogle = window.adsbygoogle || []).push({});
Nhân tố này được đặt tên là:rào cản giá trị bình quân của các nhân tố thành viên sẽ cho ta giá trị biến mới dùng để phân tích hồi quy sau này.
Nhân tố 2: Bao gồm các biến: dễ dàng kết nối với tổng đài, nhân viên tổng đài giải đáp ngắn gọn dễ hiểu, có nhiều điểm hổ trợ khách hàng.
Nhân tố này được đặt tên là: hỗ trợ giá trị bình quân của các nhân tố thành viên sẽ cho ta giá trị biến mới dùng để phân tích hồi quy sau này.
Nhân tố 3: Bao gồm các biến: thủ tục cắt mở chuyển đổi sim nhanh chóng,thuận tiện, thời gian khắc phục sự cố nhanh chóng, nhân viên có thái độ thân thiện khi đáp ứng yêu cầu khách hàng.
Nhân tố này được đặt tên là: thuận tiện giá trị bình quân của các nhân tố thành viên sẽ cho ta giá trị biến mới dùng để phân tích hồi quy sau này.
Căn cứ vào kết quả ma trận nhân tố sau khi xoay (Bảng phân tích nhân tố trung thành dịch vụ ta có 1 nhân tố sau:
Nhân tố này bao gồm các biến trung thành vì chất lượng dịch vụ tốt, trung thành vì rào cản chuyển đổi lớn.
Nhân tố này được đặt tên là: trung thành dịch vụ, giá trị bình quân của các nhân tố thành viên sẽ cho ta giá trị biến mới dùng để phân tích hồi quy sau này.
Sau khi phân tích nhân tố ta chọn được 3 nhân tố ảnh hưởng đến lòng trung thành gồm rào cản, hỗ trợ, thuận tiện. Đây chính là những nhân tố sẽ được sử dụng trong phân tích hồi quy ở phần tiếp theo.
2.3.2.5 Kiểm định phân phối chuẩn
Kiểm định phân phối chuẩn là điều kiện đảm bảo độ thỏa mãn cho các biến phân tích nhân tố. Theo Ths Đào Hoài Nam, Đại học Kinh tế TPHCM thì hệ số đối xứng Skewness và hệ số tập trung Kurtosis được sử dụng để kiểm định phân phối chuẩn của các nhân tố. Một phân phối Sknewness không được xem là phân phối chuẩn khi Statdard error của nó nhỏ hơn -2 hoặc lớn hơn 2. Tương tự, một phân phối Kurtosis không được xem là phân phối chuẩn khi Standard của nó nhỏ hơn -2 hoặc lớn hơn 2.
Qua bảng phân tích, ta thấy giá trị Std. Error of Skewness và Std. Error of Kurtosis của các nhân tố đều nhỏ hơn 2. Như vậy có thể kết luận các nhân tố trên là phân phối chuẩn.
Bảng 18: Kiểm định phân phối chuẩn
Statistics
thuan ho tro
khach rao can trung thanh tien hang Valid 150 150 150 150 N 0 0 0 0 Missing Skewness .243 -.133 -.233 .140 Std. Error of Skewness .198 .198 .198 .198 Kurtosis .513 .594 -.178 .114 Std. Error of Kurtosis .394 .394 .394 .394
(Nguồn: Số liệu điều tra 10/2011)
2.3.3 Kiểm định giả thuyết mô hình nghiên cứu thông qua phân tích hồi quy 2.3.3.1 Mô hình điều chỉnh
Sau khi đánh giá thang đo bằng hệ số Cronbach Alpha và phân tích nhân tố ta đã xác định được có 3 nhân tố ảnh hưởng đến lòng trung thành. Đó là lòng trung thành vì rào cản lớn, hỗ trợ, sự thuận tiện. Trong đó, các nhân tố này được lấy từ các biến của các nhân tố tương ứng được xây dựng ban đầu, ngoại trừ nhân tố hỗ trợ và thuận tiện được tách ra từ nhân tố chất lượng dịch vụ ban đầu. Mô hình mới được điều chỉnh trong nghiên cứu này như sau:
Rào cản
Hỗ trợ Trung thành
Thuận tiện
Ta có phương trình hồi quy tuyến tính như sau: Yi = β0 + β1 X1i + β2 X2i + β3X3i + ei
Trong đó:
Yi: giá trị lòng trung thành của quan sát thứ i. Xpi: biến độc lập thứ p đối với quan sát thứ i. β k: hệ số hồi qui riêng phần của biến thứ k. ei: sai số của phương trình hồi quy.
2.3.3.2 Giả thuyết điều chỉnh
H1: rào cản được đánh giá tốt hay không tốt tương quan cùng chiều với lòng trung thành dịch vụ.
H2: hỗ trợ được đánh giá tốt hay không tốt tương quan cùng chiều với lòng trung thành dịch vụ.
H3: thuận tiện được đánh giá tốt hay không tốt tương quan cùng chiều với lòng trung thành dịch vụ.
2.3.3.3 Ma trận hệ số tương quan gữa các biến (adsbygoogle = window.adsbygoogle || []).push({});
Kiểm định hệ số tương quan nhằm để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và các biến phụ thuộc. Nếu các biến có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến sau khi phân tích hồi quy. Theo ma trận hệ số tương quan, biến phụ thuộc có quan hệ tương quan tuyến tính với 3 biến độc lập. Trong đó, hệ số tương quan giữa trung thành và hỗ trợ là cao nhất 0.755 ,hệ số tương quan giữa lòng trung thành và rào cản là thấp nhất 0,313 và hệ số tương quan giữa lòng trung thành và thuận tiện là 0,575 tỉ lệ khá cao. Như vậy có thể nói rằng các biến độc lập này có thể đưa vào mô hình để giải thích cho long trung thành dịch vụ. Tuy nhiên, giữa các biến độc lập cũng có quan hệ với nhau mặc dù hệ số tương quan không lớn lắm. Chúng ta không phải lo ngại điều này vì ở phần kiểm tra đa cộng tuyến bên dưới sẽ xác định xem các biến được giữ lại trong mô hình hồi quy tuyến tính có xảy ra hiện tượng đa cộng tuyến hay không.
2.3.3.4. Xây dựng phương trình hồi qui tuyến tính
Phân tích hồi qui bội được thực hiện với 3 biến độc lập bao gồm: về rào cản, hỗ trợ, thuận tiện. Và phân tích được thực hiện bằng phương pháp đưa vào cùng một lúc (Enter). Qua phân tích số liệu ta thu được bảng sau:
Bảng 19: Kết quả hồi quy sử dụng phương pháp Enter
Hệ số không Hệ số Thống kê
chuẩn hóa chuẩn hóa t Mức cộng tuyến
ý nghĩa
Mô hình B Độ lệch Beta Tolerance VIF
chuẩn 1 (Hằng số) -.282 .238 .000 Rào cản .033 .050 .033 .664 .508 .865 1.156 Hỗ trợ .653 .051 .631 12.89 .000 .873 1.146 0 Thuận tiện .411 .057 .361 7.186 .000 .829 1.206
a. Biến phụ thuộc: trung thành dịch vụ
(Nguồn: Số liệu điều tra 10/2011)
Như vậy dựa vào bảng trên ta có phương trình hồi qui thể hiện mối quan hệ giữa lòng trung thành với dịch vụ với rào cản, hỗ trợ, thuận tiện, được thể hiện qua đẳng thức sau:
Y = - 0,282 + 0,033X1 + 0,653X2 + 0,411X3 + e Trong đó:
Y: lòng trung thành của khách hàng X1: trung thành vi rào cản
X2: trung thành vì hỗ trợ X3: trung thành vi thuận tiện e: Sai số ước lượng
2.3.3.5. Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội
Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 điều chỉnh từ R2 được sử dụng để phản ánh sát hơn mức
độ phù hợp của mô hình hồi qui tuyến tính đa biến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2 điều chỉnh. Hệ số xác định R2 điều chỉnh của mô hình này là 68,8%, thể hiện 3 biến độc lập trong mô hình giải thích được 68,8% biến thiên của biến phụ thuộc trung thành dịch vụ Mobifone. Với giá trị này thì độ phù hợp của mô hình là cao.
Bảng 20: Mô hình tóm tắt sử dụng phương pháp Enter
Sai số Thống kê thay đổi
Mô R R2 R2 điều chuẩn R 2thay F thay df Mức ý Durbi
hình chỉnh của ước df1 nghĩa F n -
lượng đổi đổi 2 thay đổi Wast
on
1 .833a .694 .688 .35449 0,694 110.619 .000a 1.978
(Nguồn: Số liệu điều tra 10/2011)
2.3.3.6. Kiểm định độ phù hợp của mô hình
Để kiểm định độ phù hợp của mô hình ta sử dụng các công cụ kiểm định F và kiểm định t.
Để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Giả thuyết Ho là βk = 0. Ta có Sig. của F = 0,000 < 1/1000 nên bác bỏ giả thuyết Ho. Như vậy điều này có nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của biến phụ thuộc hay nói cách khác có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.
Bảng 21: Kiểm định về sự phù hợp của mô hình hồi quy ANOVAb (adsbygoogle = window.adsbygoogle || []).push({});
Mô hình Tổng bình df Trung bình F Mức ý
phương bình phương nghĩa.
1 Hồi quy 41.702 3 13.901 110.619 .000a
Dư 18.347 146 .126
Tổng 60.048 149
Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết Ho là hệ số hồi quy của các biến độc lập βk = 0 và với độ tin cậy 95%. Dựa vào Bảng 19- Kết quả hồi quy sử dụng phương pháp Enter, ta có mức giá trị Sig. Của hai nhân tố hỗ trợ và thuận tiện có sig <0,05 nên bác bỏ giả thiết H0: hai nhân tố này không giải thích được cho biến phụ thuộc. Còn nhân tố “rào cản” co sig.=0,508 >0,05 nên chấp nhận Ho bác bỏ H1 là nhân tố rào cản không thể giải thích biến thiên của biến phụ thuộc
Ngoài ra để đảm bảo mô hình có ý nghĩa, ta cần tiến hành kiểm tra thêm về đa cộng tuyến và tự tương quan.
Để dò tìm hiện tượng đa cộng tuyến ta căn cứ trên độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Kết quả phân tích hồi quy sử dụng phương pháp Enter, cho thấy hệ số phóng đại phương sai VIF khá thấp, giá trị cao nhất 1,206. Và độ chấp nhận của biến (Tolerance) khá cao, giá trị thấp nhất 0,829.. Hệ số VIF nhỏ hơn 10 và độ chấp nhận của biến (Tolerance) lớn hơn 0,1 nên có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến.
Tra bảng thống kê Durbin-Watson với số mẫu quan sát bằng 150 và số biến độc lập là 3 ta có du = 1,85. Như vậy, đại lượng d nằm trong khoảng (du, 4 – du) hay trong khoảng (1,85;2,20) thì ta có thể kết luận các phần dư là độc lập với nhau. Kết quả kiểm định Durbin – Waston cho giá trị d = 1, 978 nằm trong
khoảng cho phép. Ta có thể kết luận không có hiện tượng tự tương quan trong mô hình.
Như vậy mô hình hồi qui xây dựng là đảm bảo độ phù hợp, các biến độc lập có thể giải thích tốt cho biến phụ thuộc trong mô hình. Trừ biến “rào cản” có sig.>0,05 nên không giải thích được biến phụ thuộc.
2.3.3.7. Kiểm định giả thiết
Từ phương trình hồi qui tuyến tính, ta có thể thấy lòng trung thành của khách hàng đối với dịch vụ Mobifone. Trong đó lòng trung thành ảnh hưởng bởi
sự thuận tiện, hỗ trợ khách hàng là chủ yếu. Khách hàng của mobifone chủ yếu là có thu nhập cao, nên nhu cầu đòi hỏi sự hỗ trợ và thuận tiện là yếu tố tác động đến tình cảm mà khách hàng giành cho Mobifone.
Hỗ trợ là một nhân tố có ảnh hưởng lớn nhất đến lòng trung thành đối với dịch vụ Mobifone có hệ số hồi quy lớn nhất). Dấu dương của hệ số B có ý nghĩa mối quan hệ giữa nhân tố hỗ trợ và lòng trung thành có mối quan hệ cùng chiều. Từ kết qua hồi quy có B= 0,653 , mức ý nghĩa < 0,05, nghĩa là khi mức độ thỏa mãn về hỗ trợ tăng lên 1 đơn vị thì lòng trung thành đối với dịch vụ tăng lên tương ứng là 0,653 đơn vị. Vậy giả thiết H2 được chấp nhận.
Sau nhân tố “hỗ trợ”, nhân tố “thuận tiện” là nhân tố thứ 2 ảnh hưởng lớn